新能源实时错误数据辨识与修正深度学习模型

针对新能源电站实时采集数据错误的问题，利用新能源电站历史数据，采用基于数据间模型的方法辨识和修正错误数据，进而利用辨识和修正的结果数据，建立基于决策树分类模型的新能源实时错数辨识模型，以及基于深度神经网路的新能源实时错数修正模型，从而在实时运行过程中，可利用得到的模型对新能源错数进行实时快速辨识和修正，可显著提高错数辨识和修正效率，支撑新能源电站的实时分析应用，保障新能源电站的实时安全稳定运行。通过某典型风电场和光伏电站真实历史数据的算例分析，验证了所提方法的有效性。     

多通道称重传感器蠕变测试系统方案及应用

为提高称重传感器蠕变测试的检测精度和生产效率,本文介绍了如何利用计算机控制系统和载荷砝码加载机改造传统手工传感器蠕变检测方式,通过串口通信对多台精密测试仪表数据采集及PLC控制自动加载砝码,研发出一套多通道,操作简便,稳定性强,实时传输能力快速的自动化检测设备,并已在本单位生产实际中得以应用。     

基于LP与小波包的复杂机电系统监测序列混沌降噪方法

针对流程工业生产系统监测数据存在强噪声和混沌性的特点,提出了一种局部投影方法(Local Projection Method)与小波包方法相结合的信号降噪方法。该方法先利用局部投影方法从动力学系统嵌入流形的角度进行多次迭代降噪,并根据关联维数来判定迭代终止;再利用小波包方法从频率的角度进行降噪,抑制高频噪声的干扰,取得了较好的降噪效果。用Lorenz时间序列进行仿真验证,对仿真时间序列加入不同程度的噪声,对比分析小波包、局部投影与该方法降噪后的相空间、SNR值和最大Lyapunov指数,证明了该方法对于中高强度噪声具有更好的降噪效果。并将该方法用于某压缩机组的实际监测数据降噪,评估三种方法的降噪效果,进一步验证了该方法的优越性。     

具有函数尺度因子的有理分形曲线

带有常数尺度因子的分形插值,是描述具有明显自相似事物的一个有效工具,然而,它却难以精确地刻画自相似较弱的不规则数据.为此,提出一种具有函数尺度因子的有理样条分形插值方法.首先,在迭代函数系统中引入函数尺度因子,构造了一种仅仅基于函数值的带有形状参数的有理分形插值曲线;然后讨论了分形曲线的分析性质,包括分形曲线在尺度因子满足适当条件下的光滑性、分形曲线对插值数据扰动的稳定性以及分形插值函数的收敛性;最后,研究了分形曲线的计盒维数,给出了计盒维数的上下界.数值算例验证了该分形曲线造型的可控性和对噪声的鲁棒性;对海岸线数据插值时,该方法相比B样条、Bézier曲线和三次样条能更好地还原海岸线的粗糙程度;处理股票时序数据时,相比ARIMA和SVM方法,在RMSE等多项指标下更优.     

一种基于无源RFID的裂缝传感器设计

基于无源RFID原理，提出了一种安全可靠、结构简单、价格低廉的新型裂缝标签传感器。该标签由两个嵌套的环形缝隙天线、二倍压整流电路、二次谐波带阻滤波器和发光报警电路组成，工作频率为f0＝2.45GHz?并使用0.254mm厚超薄型高频覆铜板加工制作完成，当裂缝出现时，带阻滤波器与传感器标签断开连接，标签中的二次谐波信号通过缝隙天线发送到 接收端实现远距离报警，同时标签中的直流信号给发光报警电路供电实现近距离的位置报警。实验结果表明，当有效发射功率为35dBm时，传感器标签的预警距离可达7m以上，发光定位的正常工作距离超过0.8m。     

基于贝叶斯估计的土壤呼吸传感器最优高度点搜索研究

为了准确监测土壤呼吸，针对土壤呼吸传感器最优布点的问题，提出了一种基于贝叶斯估计的土壤呼吸传感器最优高度点搜索算法。算法的具体思路为:首先通过CFD(计算流体力学)仿真与涡度相关法得到土壤呼吸稳态时气室内不同高度的碳通量数据。然后对数据赋予一定的权值得到不同高度的融合数据，最后采用贝叶斯估计理论求解相应高度的概率密度，从而确定传感器最优高度点。结果表明:直径为0.25m，高度为0.3m的气室传感器最优高度点为中轴线上0.0836m处，且该点数据的均方根误差RMSE为1.426μmol·ｍ-2·s-1 。平均偏差Bias为1.224μmol·m-2·s-1，并与贝叶斯联合密度的计算结果验证分析，证明此算法有很高的可行性与准确性，为土壤呼吸传感器的最优高度点选取提供了方向与建议。     

电子鼻技术对甘薯储藏中长喙壳菌侵染病变程度判别

针对甘薯受到病原菌侵害后，引发储藏病害产生毒素问题，提出了一种基于电子鼻技术，利用化学计量学对甘薯储藏病害的病变程度进行判别的方法，以期为库存甘薯储藏病害的识别提供技术参考。通过主成分分析(PCA)、偏最小二乘法 －判别分析(PLS-DA)、正交偏最小二乘法判别分析(OPLS-DA)、BP神经网络(BPNN)和支持向量机(SVM)对长喙壳菌侵染后不同病变程度的甘薯气味响应特征值进行分析判别。结果表明，PCA、PLS-DA、OPLS-DA)均可对3类病变程度的甘薯进行有效的区分。BPNN 模型未能对3类病变甘薯进行有效的区分。SVM利用交叉验证算法优化(Best c＝0.2500 Best g＝0.3789)并建立模型。测试集的准确率为96%。因此，电子鼻技术可对甘薯储藏病害程度实现区分，且具有较好的判别效果。